Avslutad

Optimera investeringar i energisystem med AI

I detta projekt utvecklas algoritmer och tjänster som ökar träffsäkerheten i dimensioneringsberäkningar och hittar fel i befintlig infrastruktur vilket hjälper energibolag att optimera sina investeringar.

Svenska fjärrvärmebolag investerar 7 miljarder kronor i infrastruktur varje år. Hur väl fjärrvärmebolagen lyckas att optimera de här investeringarna har en avgörande betydelse för leveranssäkerheten. Det har också en stor betydelse för fjärrvärmens konkurrenskraft eftersom branschen är mycket investeringstung. I detta projekt utvecklas algoritmer och tjänster som ökar träffsäkerheten i dimensioneringsberäkningar och hittar fel i befintlig infrastruktur vilket hjälper energibolag att optimera sina investeringar.

Den i särklass viktigaste parametern inför en investering i produktions- och distributionskapacitet i energisystem är det dimensionerande effektbehovet.

Dimensionerande effektbehov = Den högsta effekt systemet behöver klara av att generera och distribuera till alla de anslutna fastigheterna.

De metoder och modeller som idag används för att beräkna dimensionerande effektbehov i energisystem har stor förbättringspotential. Utilifeed har redan tjänster som realiserar en del av denna förbättringspotential genom att:

  • Ta hänsyn till fler väderparametrar än bara temperatur
  • Använd en lastmodell med bättre prestanda
  • Ta hänsyn till varaktigheten på det dimensionerande effektbehovet
  • Mäta osäkerhet i modeller
  • Basera beräkningen på verkligt effektbehov i anslutna fastigheter

I detta projekt ökas träffsäkerheten ytterligare, med ett speciellt fokus på framåtblickande perspektiv, genom att utveckla lösningar för att beräkna påverkan från:

  • Energieffektivisering i befintligt fastighetsbestånd
  • Effektbehov i nya fastigheter
  • Klimatförändringar

Verktygen som utvecklas har, förutom träffsäkra dimensioneringsberäkningar, ytterligare ett användningsområde vilket är att övervaka energisystem och hitta fel och ineffektivitet. Genom att varje dag jämföra uppmätta värden med värden som beräknats med modellerna kan avvikande beteende snabbt fångas upp och åtgärdas innan det orsakar betydande driftstörningar med leveransproblem och höga kostnader som följd.

Lösningen utvecklas av Utilifeed, som utvecklar verksamhetssystem för energibolag, och Lunds tekniska högskola, som bidrar med expertkompetens inom modellering av framtida energisystem.

Vill du veta mer, kolla in detta webinar

Sammanfattning

Projektnamn

Digitaliserad nätövervakning och scenariobaserad nätdimensionering med hjälp av AI och ML.

Organisation

Utilifeed
Deltagande aktörer: Lunds Tekniska Högskola

Projektledare

Johan Kensby

Energimyndighetens projektnummer

51528-1

Relaterade projekt

Se alla projekt

Avslutad

Ranagård med ny 4GDH-teknik

Projektet utför en transdisciplinärt studie i samband med implementering av en ny fjärrvärmeteknik (4GDH) till ett bostadsområde, för att studera teknikacceptans av bygg- och installationsbranschen samt identifierar vilka hinder som uppstår vid införande av ny teknik.

Områden

Fjärrvärme

Pågående

Hur belastningar påverkar livslängden på fjärrvärmerör

Projektet ska i detalj undersöka långsiktiga effekter av cykliska mekaniska belastningar på nedbrytningshastigheten hos fjärrvärmerör, och även utveckla en ny modell för beräkning av förväntad livslängd som tar hänsyn till kombinerade effekter av hög temperatur och repetitiva axiella belastningar.

Områden

Fjärrvärme

Relaterade Nyheter

Se alla nyheter

Relaterade Event

Se alla event

Termodagen 2023 – värme och kylas roll i energiomställningen

Den 19 oktober kommer Termodagen 2023. Forskare inom värme och kyla har stor betydelse för att sprida kunskap till politiska beslutsfattare och samhället i stort. Kunskapen som kommer fram inom Termo ska bidra till att utforma framtidens energisystem. Under den här dagen vill vi öka engagemanget och möjligheten till samverkan.